Modelagem Probabilística Discriminativa Baseada em Visualização para Recuperação e Reconhecimento de Objetos 3D

Na recuperação e reconhecimento de objetos 3D baseados em visualização, cada objeto é descrito por múltiplas visualizações. Um problema central é como estimar a distância entre dois objetos. A maioria dos métodos convencionais integra as distâncias de pares de visualizações entre dois objetos como uma estimativa de sua distância. Neste artigo, propomos uma abordagem de modelagem de objeto probabilística discriminativa. Ela constrói modelos probabilísticos para cada objeto com base na distribuição de suas visualizações, e a distância entre dois objetos é definida como o limite superior da divergência de Kullback-Leibler dos modelos probabilísticos correspondentes. A recuperação e o reconhecimento de objetos 3D são realizados com base nas medidas de distância. Primeiro, aprendemos modelos para cada objeto pela adaptação de um conjunto de modelos globais com um princípio de máxima verossimilhança. Um passo adicional de adaptação é então realizado para aprimorar a capacidade discriminativa dos modelos. Realizamos experimentos no conjunto de dados de objetos 3D ETH, no conjunto de dados de modelos 3D da Universidade Nacional de Taiwan, e no Princeton Shape Benchmark. Comparamos nossa abordagem com diferentes métodos, e os resultados experimentais demonstram a superioridade da nossa abordagem.